基于Apriori的装配式建筑质量影响因素分析

采用数据挖掘的方法,在装配式建筑质量的文献中提取影响因素,利用Apriori算法得到筛选后的关键指标并分析。研究发现,基于大数据能够减少人为因素对指标选取的干扰,并通过寻找影响因素和装配式建筑质量的相关关系,可得到更具普遍性的规律。在5M1E分析法的影响因素中,“法”的影响因素支持度较大,表明该板块包含的影响因素对装配式建筑的质量有更显著的影响。通过置信度分析,提出使用强关联规则分析,并发现“构件生产企业的标准化程度”不仅具有较高的支持度,在关联因素中出现的频率也最高,从而提出建议并为合理评价质量影响因素及制定管理措施提供有效参考。     

基于地下水入渗反演解析的污水管网破损数值化定位

地下水位高于管道埋深的地区,污水管道破损会导致大量地下水入渗,严重影响城市污水治理效能。高密度城市交通繁忙、高楼林立,难以开挖查找破损管道;物理探测方法操作复杂,价格不菲,难以推广。污水管网破损摸排成为制约城市污水治理的瓶颈问题。为此,利用粒子群算法,建立了高地下水位地区污水管道破损寻优定位模型,通过管网水力学模型和关键检查井水位监测信息,开发了城市污水管网破损的数值化定位技术。该技术方法在某城市污水管网进行了实例验证,结果表明基于检查井水位对地下水入渗流量进行解析,可确定破损点位,相对误差小于5%。在此基础上,进一步探究了监测点数量对破损点寻优定位精度的影响,结果表明只需监测60%的节点,寻优定位的查准率和查全率分别可达到75%和94%。     

离散正交三角变换快速算法的统一格式

根据离散三角变换的一般形式,在正交条件下,按时域分法建立了一类具有二分结构的快速算法,其运算量为o（NlbN）．这样离散余弦、离散正弦、离散W变换快速算法就有了一个统一的格式．     

一种暂态混沌神经网络及其应用

讨论了Hopfield神经网络算法在优化计算中的应用,提出了一种暂态混沌神经网络模型,把混沌动力学与收敛动力学相结合,使网络逐渐由混沌神经网络向Hopfield网络过渡,达到控制混沌的目的,并且提供一个在全局最优解附近的初值,然后用Hopfield网络得到最优解,有效地解决了Hopfield网络的局部极值问题.仿真结果表明算法对于初始值是稳健的,并且具有很强的克服陷入局部极小能力.     

非理想身份证图像的字符分割算法研究

对身份证识别系统中的字符分割技术进行了深入的研究,阐述了倾斜校正、行切割、小波降噪、单字符分割等算法,实验证明,该方法对退化的身份证图像具有很好的字符分割能力.     

无线传感器网络中簇树骨干网的维护和更新算法

无线Adhoc传感器网络中的路由设计将能效高放在首位,设计用于路由基础的高效能簇树骨干网是延长网络寿命很有效的方法.文中利用图论中极大权独立集和根树的概念给出一种求簇树骨干网的EACT算法及对该骨干网的维护和更新算法.并通过仿真结果表明算法的有效性.     

混沌粒子群优化算法及其在平面选址问题上的应用

通过引入混沌来影响粒子速度的更新,构造出一种混沌粒子群优化算法.其主要思想是用混沌迭代引导个体进一步优化,从而避免群体陷入局部最优,而且收敛速度得到加快.通过对三个测试函数以及平面选址问题的求解,验证该算法具有非常好的性能.     

大规模网络中基于FFT的呼叫阻塞率的快速算法

在大规模网络条件下,Kaufman提出的一维递推快速呼叫阻塞率（CBP）算法由于其呼叫阻塞率的计算将导致系统计算溢出,改进的Kaufman方案虽然消除了计算溢出,但是其计算时间随网络规模的变大呈指数增长．有鉴于此,文中提出了一种基于快速傅立叶变换（FFT）方法和计算溢出避免预处理机制的呼叫阻塞率快速计算方法．仿真结果表明,该算法消除了计算溢出且降低了计算复杂度,具有计算简单、无误差、速度快的优点．     

基于蚁群算法求解混流装配线传送带中断问题

将可扩展工作域概念引入混流装配线中的传送带中断问题,研究了该问题的相关性质：装配线中断发生的充分必要条件,目标函数的边界等．在此基础上,设计了约束集-蚁群算法求解环型油漆车身缓冲区约束下,以传送带中断时间最短为目标的汽车制造排程问题、算例验证了文中解决策略的优越性,同时显示了物料流平准化对传送带中断的影响．     

基于ECTLBO-ELM模型的荷电状态估计

电池的荷电状态(SOC)表示电池的可用容量,是电池管理系统重要参数之一.以锂离子电池为例,准确的估计可以提高其性能.为了建立锂离子电池的精确计算模型,提出了一种基于增强混沌教与学优化算法(ECTLBO)优化极限学习机(ELM)的SOC估计模型(ECTLBO-ELM).在ECTLBO-ELM模型中,一是利用增强混沌优化策...